经济预测与决策试讲PPT
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
经济预测与决策
主讲人：xxx 2019年12月
主要内容
1、含虚拟变量的回归预测 2、平滑预测
1 虚拟变量的回归预测
§1.1 虚拟变量的基本含义 §1.2 虚拟变量的引入 §1.3 案例分析
1.1 虚拟变量的基本含义
1．虚拟变量的内涵 在计量经济学中，我们把反映定性（或属性）因素变化，取值为0和1的人工 变量称为虚拟变量(Dummy Variable)，或称为哑变量、虚设变量、属性变量、 双值变量、类型变量、定性变量、二元型变量、名义变量等，习惯上用字母D表 示。
Mt
yt
yt1 N
ytN 1
t≥ N
Mt 为 t 期移动平均数；N 为移动平均的项数。
预测公式为：
yt1 M t
即以第 t 期移动平均数作为第 t+1 期的预测值。
M t 1
yt 1
yt2 N
ytN
Mt
yt N
yt1 ytN 1 N
ytN
ytN
Mt
N
M t1
yt
ytN N
适用场合
短期预测，且预测对象发展趋势变化不大的情况。
2.1 移动平均法—简单移动平均法
例4-1 某城市汽车配件销售公司某年1-12月的化油器销售量如下
表所示，试用简单移动平均法，预测下年1月的销售量。
分别取N=3和N=5，按预测公式
1 本科及以上学历
D2=
0 本科以下学历
D5=
1 晴天 0 雨天
2．引入虚拟变量的作用
引入虚拟变量的作用，在于将定性因素或属性因素对因变量的影 响数量化。
(1)可以描述和测量定性（或属性）因素的影响； (2)能够正确反映经济变量之间的相互关系，提高模型的精 度； (3)便于处理异常数据。
虚拟变量模型
以及以GNP代表的居民收入的数据。
(4) 11 ，且 22 ，即 两 个回 归完 全 不同 ，称 为 相异 回归 （Dissimilar Regressions）。
可通过引入虚拟变量来解决: 将n1与n2次观察值合并，并用以估计以下回归： Dt＝
1 1990年前 0 1990年后
具体的回归结果为：
这种用两个相异数字来表示对被解释变量有重要影响而自身又 没有观测数值的一类变量，称为虚拟变量(dummy variables)。
例如：
1）表示性别的虚拟变量可取为 1 男性
D1= 0 女性
3）表示地区的虚拟变量可取为
D3=
1 城市 0 农村
2）表示文化程度的虚拟变量可取为 4）表示天气变化的虚拟变量可取为
图1 虚拟变量对截距的影响
2、乘法方式
乘法形式引入虚拟解释变量的主要作用：①两个回归模型之间的比较； ②因素之间的交互影响分析；③提高模型对现实经济现象的描述精度。
加法方式引入虚拟变量，考察：截距的不同， 许多情况下：往往是斜率就有变化，或斜率、截距同时发
生变化。 斜率的变化可通过以乘法的方式引入虚拟变量来测度。
2 平滑预测
平滑预测是利用时间序列资料进行短期预测的一种方法。 其基本思想在于：除一些不规则变动外，过去的时间序列 数据存在某种基本形态，假设这种形态在短期内不会改变， 可以作为下一期预测的基础。平滑的目的在于，消除时间 序列数据的极端值，以某些较平滑的中间值作为预测的数 据。常见的平滑预测方法：
同时含有一般解释变量与虚拟变量的模型称为虚拟变量模型。
在模型中，虚拟变量可作为解释变量，也可作为被解释变量，但主要 是用作解释变量。
例如：一个以性别为虚拟变量来考察职工薪金的模型如下：
Yi 0 1X i 2Di i
（1-1）
其中
Yi ——为职工的薪金；
Di =1 ——代表男性
X i ——为职工工龄；
加乘方式
1、加法方式
例 居民家庭的教育费用支出除了受收入水平的影响之
外，还与子女的年龄结构密切相关。如果家庭中有适
龄子女(6-21岁)，教育费用支出就多。因此，为了反映 “子女年龄结构”这一定性因素，设置虚拟变量:
图1表明，在相同的收入水平情况下，有适龄子女家庭的教育费用 平均要比无适龄子女家庭的教育费用多支a出个单位。（截距不同）
例 随着收入水平的提高，家庭教育费用支出的边际消费倾向可能会 发生变化。为了反映定性因素对斜率的影响，可以用乘法方式引入虚 拟变量，将家庭教育费用支出函数取成：
图2 虚拟变量对斜率的影响
§1.3 案例
例：考察1990年前后的中国居民的总储蓄——收入关系是否已发生 变化。
下表中给出了中国1979~2001年以城乡储蓄存款余额代表的居民储蓄
虚拟变量
为什么要引入“虚拟变量” ？？ 许多经济变量是可以定量度量的或者说是可以直接观测的
如商品需求量、价格、收入、产量等
但是也有一些影响经济变量的因素无法定量度量或者说无法直接观测
如职业、性别对收入的影响，战争、自然灾害对GDP的影响，季节 对某些产品(如冷饮)销售的影响等。
为了能够在模型中反映这些因素的影响，并提高模型的精度，需要将 它们人为地“量化”，这种“量化”通常是通过引入“虚拟变量”来完成的。
Di =0 ——代表女性
§1.2 虚拟变量的引入
虚拟变量做为解释变量引入模型有三种基本方式：
加法方式
所设定的计量经济模型中加入适当的虚拟变量，此时虚拟变量与其 他解释变量在设定模型中是相加关系。其作用是改变了设定模型的截距 水平。
乘法方式
在所设定的计量经济模型中，将虚拟解释变量与其他解释变量相乘 作为新的解释变量出现在模型中，以达到其调整设定模型斜率系数的目 的。
§2.1 移动平均预测
§2.2 指数平滑法
2.1 法是根 据时间序列资料 逐项推移，依次 计算包含一定项 数的时序平均数， 以反映长期趋势 的方法。
加权移动平 均法
2.1 移动平均法—简单移动平均法
设时间序列为：y1, y2…,yt, …；简单移动平均公式为：
Yˆi 15452 0.8881Xi 13802.3Di 0.4765Di Xi
(-6.11) (22.89) (4.33) (-2.55) R 2 =0.9836
由3与4的t检验可知：参数显著地不等于0，强烈 示出两个时期的回归是相异的，储蓄函数分别为：
1990年前： 1990年后：
Yˆi 1649.7 0.4116Xi Yˆi 15452 0.8881Xi
主讲人：xxx 2019年12月
主要内容
1、含虚拟变量的回归预测 2、平滑预测
1 虚拟变量的回归预测
§1.1 虚拟变量的基本含义 §1.2 虚拟变量的引入 §1.3 案例分析
1.1 虚拟变量的基本含义
1．虚拟变量的内涵 在计量经济学中，我们把反映定性（或属性）因素变化，取值为0和1的人工 变量称为虚拟变量(Dummy Variable)，或称为哑变量、虚设变量、属性变量、 双值变量、类型变量、定性变量、二元型变量、名义变量等，习惯上用字母D表 示。
Mt
yt
yt1 N
ytN 1
t≥ N
Mt 为 t 期移动平均数；N 为移动平均的项数。
预测公式为：
yt1 M t
即以第 t 期移动平均数作为第 t+1 期的预测值。
M t 1
yt 1
yt2 N
ytN
Mt
yt N
yt1 ytN 1 N
ytN
ytN
Mt
N
M t1
yt
ytN N
适用场合
短期预测，且预测对象发展趋势变化不大的情况。
2.1 移动平均法—简单移动平均法
例4-1 某城市汽车配件销售公司某年1-12月的化油器销售量如下
表所示，试用简单移动平均法，预测下年1月的销售量。
分别取N=3和N=5，按预测公式
1 本科及以上学历
D2=
0 本科以下学历
D5=
1 晴天 0 雨天
2．引入虚拟变量的作用
引入虚拟变量的作用，在于将定性因素或属性因素对因变量的影 响数量化。
(1)可以描述和测量定性（或属性）因素的影响； (2)能够正确反映经济变量之间的相互关系，提高模型的精 度； (3)便于处理异常数据。
虚拟变量模型
以及以GNP代表的居民收入的数据。
(4) 11 ，且 22 ，即 两 个回 归完 全 不同 ，称 为 相异 回归 （Dissimilar Regressions）。
可通过引入虚拟变量来解决: 将n1与n2次观察值合并，并用以估计以下回归： Dt＝
1 1990年前 0 1990年后
具体的回归结果为：
这种用两个相异数字来表示对被解释变量有重要影响而自身又 没有观测数值的一类变量，称为虚拟变量(dummy variables)。
例如：
1）表示性别的虚拟变量可取为 1 男性
D1= 0 女性
3）表示地区的虚拟变量可取为
D3=
1 城市 0 农村
2）表示文化程度的虚拟变量可取为 4）表示天气变化的虚拟变量可取为
图1 虚拟变量对截距的影响
2、乘法方式
乘法形式引入虚拟解释变量的主要作用：①两个回归模型之间的比较； ②因素之间的交互影响分析；③提高模型对现实经济现象的描述精度。
加法方式引入虚拟变量，考察：截距的不同， 许多情况下：往往是斜率就有变化，或斜率、截距同时发
生变化。 斜率的变化可通过以乘法的方式引入虚拟变量来测度。
2 平滑预测
平滑预测是利用时间序列资料进行短期预测的一种方法。 其基本思想在于：除一些不规则变动外，过去的时间序列 数据存在某种基本形态，假设这种形态在短期内不会改变， 可以作为下一期预测的基础。平滑的目的在于，消除时间 序列数据的极端值，以某些较平滑的中间值作为预测的数 据。常见的平滑预测方法：
同时含有一般解释变量与虚拟变量的模型称为虚拟变量模型。
在模型中，虚拟变量可作为解释变量，也可作为被解释变量，但主要 是用作解释变量。
例如：一个以性别为虚拟变量来考察职工薪金的模型如下：
Yi 0 1X i 2Di i
（1-1）
其中
Yi ——为职工的薪金；
Di =1 ——代表男性
X i ——为职工工龄；
加乘方式
1、加法方式
例 居民家庭的教育费用支出除了受收入水平的影响之
外，还与子女的年龄结构密切相关。如果家庭中有适
龄子女(6-21岁)，教育费用支出就多。因此，为了反映 “子女年龄结构”这一定性因素，设置虚拟变量:
图1表明，在相同的收入水平情况下，有适龄子女家庭的教育费用 平均要比无适龄子女家庭的教育费用多支a出个单位。（截距不同）
例 随着收入水平的提高，家庭教育费用支出的边际消费倾向可能会 发生变化。为了反映定性因素对斜率的影响，可以用乘法方式引入虚 拟变量，将家庭教育费用支出函数取成：
图2 虚拟变量对斜率的影响
§1.3 案例
例：考察1990年前后的中国居民的总储蓄——收入关系是否已发生 变化。
下表中给出了中国1979~2001年以城乡储蓄存款余额代表的居民储蓄
虚拟变量
为什么要引入“虚拟变量” ？？ 许多经济变量是可以定量度量的或者说是可以直接观测的
如商品需求量、价格、收入、产量等
但是也有一些影响经济变量的因素无法定量度量或者说无法直接观测
如职业、性别对收入的影响，战争、自然灾害对GDP的影响，季节 对某些产品(如冷饮)销售的影响等。
为了能够在模型中反映这些因素的影响，并提高模型的精度，需要将 它们人为地“量化”，这种“量化”通常是通过引入“虚拟变量”来完成的。
Di =0 ——代表女性
§1.2 虚拟变量的引入
虚拟变量做为解释变量引入模型有三种基本方式：
加法方式
所设定的计量经济模型中加入适当的虚拟变量，此时虚拟变量与其 他解释变量在设定模型中是相加关系。其作用是改变了设定模型的截距 水平。
乘法方式
在所设定的计量经济模型中，将虚拟解释变量与其他解释变量相乘 作为新的解释变量出现在模型中，以达到其调整设定模型斜率系数的目 的。
§2.1 移动平均预测
§2.2 指数平滑法
2.1 法是根 据时间序列资料 逐项推移，依次 计算包含一定项 数的时序平均数， 以反映长期趋势 的方法。
加权移动平 均法
2.1 移动平均法—简单移动平均法
设时间序列为：y1, y2…,yt, …；简单移动平均公式为：
Yˆi 15452 0.8881Xi 13802.3Di 0.4765Di Xi
(-6.11) (22.89) (4.33) (-2.55) R 2 =0.9836
由3与4的t检验可知：参数显著地不等于0，强烈 示出两个时期的回归是相异的，储蓄函数分别为：
1990年前： 1990年后：
Yˆi 1649.7 0.4116Xi Yˆi 15452 0.8881Xi